2025-03-262025-03-2617-09-20242024-09-18https://pyxida.aueb.gr/handle/123456789/1818Σκοπός της παρούσας διπλωματικής εργασίας είναι η εις βάθος ανάλυση και εφαρμογή της μεθόδου Latent Dirichlet Allocation (LDA), η οποία επιτρέπει την κατηγοριοποίηση λεκτικών δεδομένων σε θεματικές ομάδες. Αρχικά, παρουσιάζεται μια συνοπτική εισαγωγή στη μηχανική μάθηση, ακολουθούμενη από λεπτομερή μελέτη του μοντέλου ενδιαφέροντος. Τέλος, η μέθοδος εφαρμόζεται σε μια συλλογή βιβλίων, με σκοπό την ανάλυση και κατηγοριοποίηση των περιγραφών τους.The aim of this thesis is the in-depth analysis and application of the Latent Dirichlet Allocation (LDA) method, which allows for the categorization of textual data into thematic groups. Initially, a brief introduction to machine learning is provided, followed by a detailed study of the model of interest. Finally, the method is applied to a collection of books, analyzing and grouping of their descriptions.78p.CC BY: Attribution alone 4.0https://creativecommons.org/licenses/by/4.0/Μηχανική μάθησηΕξαγωγή δεδομένων από το διαδίκτυοΕπεξεργασία φυσικής γλώσσαςMachine learning (ML)Web scrappingLatent Dirichlet Allocation (LDA)Natural Language Processing (NLP)Latent semantic analysisText